你对自己的网上顾客究竟了解多少？如果你认为自己通过服务器日志收集到的数据就已足够，就请反思一下吧。通常的服务器日志无法提供有关访问者的足够信息，支持你做出重要的战略决策。

    在当今快节奏的经济中，企业必须能够通过网站开发并挖掘增值数据，并将这些数据与网下信息结合，共同提供给经理人，促使他们从"分数统计"转变为战略分析。

    如果你的企业采用多渠道分销或沟通方式，就必须检查跟各种直接（信函、电话、电子邮件等）和间接（分销商、零售商等）渠道相比，自己的网站成效如何。你不能因为收入大于成本，就判定网站是盈利的；而是要根据顾客的喜好和经营政策，鼓励运用更高效的渠道来创生收入。随着顾客接触点的增多，顾客分析的重点从察觉销售量转变为了解趋势。

明确自己目标

    显然，当你通过网站收集并分析数据时，必须考虑到更精细的网站设计、更大的流量以及渠道扩充所带来的更多复杂情形。你再也不能只依赖日志文件的数据。

    传统的直复营销原则可在此助你一臂之力。它们能帮助你懂得定义数据的意义。数据定义是分析的第一步，可借此跟踪个体行为，构建回应和盈利模型，建立顾客类别并估计其终生价值。

    将直复营销原则应用于网站的主要问题是，这些原则是在严格受控的环境中演化而来的。网站用户自己选择搜索引擎、链接、广告或其他媒介。他们随时随地进入或离开网站，并决定自己看什么。用户，而非网站掌握着控制权。这意味着，事实上可以存在无限多的数据元素变化，虽然变化有利于分析，变化过多就变得没有意义了。而且，存储每个可能出现的变量导致记忆太多数据，耗费太多的处理时间。

    这是否意味着直复营销原则在互联网上无用武之地？不是，这意味着必须在网站的概念化和设计阶段，主动扩展并应用这些原则。

    要实现这个目标，需要三个基本步骤：界定目标和关键行动；界定用户标准；根据顾客状况加以分类。

    知道自己的目标是了解应收集哪些数据并如何定义数据的核心。但是，确定衡量哪些行为更为重要，因为目标比行动更容易重叠。目标重叠的原因在于，每个公司都需要完成类似的东西，并了解谁是顾客，如何跟踪网上浏览和购物习惯，如何管理内容，如何改变广告和促销策略，以及如何建立个人化服务。

界定顾客行为

    但是，虽然每家公司都需要这些知识，各个企业都根据自身的理念和价值以不同方式加以获取。只有当你确定哪些行动在帮助实现企业目标方面是独特而关键的，并了解如何衡量其影响后，才能最终创建差异化。

    考虑以下几类顾客：如果Jeff去年买了某件商品，我们称其为"顾客"。但如果他在8年前买了点什么，又该如何？

    Rick3个月前买了个东西，但又把它退了，并拿回了货款。他还是"顾客"吗？

    而Tina呢，她跟Rick同一天买了件东西，没有退还商品，却要求退款。她又算什么呢？

    别忘了Douglas，他为步行机付了第一期款，然后就音信皆无。

    还有Tom和Al这两位新顾客，他们刚收到第一个邮购商品，没及时付款，却已经从企业网站上又订购了一件商品。

    虽然每种定义各有所长，同样显而易见的是，将来依据它们而做的分析结论也将会千差万别。最简单的解决办法是确认一种定义。但要是半年后你改变想法了，该怎么办？问题的核心是，仅知道个体顾客特征是不够的，了解其行为才真正重要，我们要定义他们的行动。

    在上面的例子中，每个顾客都实施或省略了某个行动，这些行动的性广告海报设计公司质是可以被捕捉到的。你可以将这种信息存储到某个订单中，并根据订单状态设计不同的顾客处理计划。在多渠道环境中，你需要施行额外步骤，结合来自不同渠道的订单状态信息，指定总体顾客状态分值，以此推动顾客联络战略。

对顾客进行归类

    明确了顾客行动和相应的数据元素后，下一个步骤就是确定如何对其进行归总。这是浓缩数据的关键，因为这时你要确定数据类别。这些类别依据目标或行动而定。例如：

    用户动机。如果网站主要以目标为导向，比如搜索网站，在访问量层次上归总数据就很重要。但是，如果网站的目标是测量持久参与度，积累性指标则更为恰当。

    用户分类。根据顾客状态，在多个层次上归总数据。

    内容。依靠广告和链接获取收入的网站拥有者是归类专家。他们收集拥有共同兴趣的用户，努力将其推销给希望售卖商品给他们的商家。要取得成功，这些网站必须根据内容、接触特定广告的时间长度、点击的链接等指标对访问者加以归总。

不管归总方法如何，你都必须保持指标的一致性。如果你跟踪个体顾客层次上的销售额，你同样应该把成本包括进来。

收集关键数据

    针对网上行为，你要去芜存菁。在收集网站数据方面，这个目标就体现为只收集关键的，跟其他数据集合兼容的，并且形式上易于分析的数据。

    例如，不要收集整个URL地址，而是要根据页面类型或内容类别保存信息。这种方法减少了处理时间，降低了存储的要求，并且更容易确定重要路径。

    显然，不了解用户在做什么或看什么，网站管理就无从谈起。将其揭示出来的惟一途径就是直接介入互动流程。所幸的是，这相当容易：所必须做的无非是添加收集哪些数据并在何处存储数据的指令。

    这个过程的妙处在于，你是在互动点上收集数据。你可以返回概念设计的步骤1、2和3，应用当时建立的标准帮助自己创立指令，只提取自己想要的数据。这个方法的缺点是，由于没有保留原始数据，你无法在以后确证或调整数据，并且，额外的数据处理可能减慢网站的速度。你收集和掌控的数据越多，对网站性能所产生的潜在负面影响就越大。因此，有关网站建设和数据开发的决策必须同步。

    对接受订单并收集用户互动信息的网站来说，一个非常基本的数据库结构可能是这样的：

    A数据库接受并返回跟库存相关的信息。

    B数据库识别顾客，并根据历史信息，返回顾客定制的内容。

    C数据库主要担当容器作用。它接受来自不可识别顾客的点击流以及内容归总。

    从技术和分析角度来看，让独立的数据库行使不同类型的工作是有道理的。可以根据其具体目的，调整并优化各个数据库。但当你设计这样一种任务分工时必须谨慎，要确保数据分布在多个数据库上仍是有意义的。重要的是保持类别的一致性。

进行深入分析

    糟糕的信息导致糟糕的决策，而缺乏信息导致猜测。人们容易将拥有数据量跟拥有信息量相混淆。遗憾的是，建立数据收集框架，并能够夸耀拥有高质量的数据，并不能让你变得更聪明。但它的确能做到以前力所不能及的事情，那就是建立起对数据完整性、准确性和相关性的信心。这个方法去除了投机因素，尽可能地减少了由于不良数据而造成的糟糕决策。

    确立数据的完整性之后，下一步就是深入分析。通常，企业希望了解的头两件事是：如何将预期顾客转变为顾客；如何建立顾客忠诚。这两个目标都需要分析，其结论使得公司能够逐步建立合格顾客条件，引发具体的行动。在传统的直复营销环境中，这些行动首先跟联络策略相关；而在网站背景下，它们还包括个人化的内容呈现。

    此时，你才开始收获努力定义网站数据所产生的益处。开发个人化的网站内容或个人化信息，需要对财务、营销、运作和统计信息进行整合。这就意味着要知道顾客看了和做了什么，不仅是在当前的访问过程中，还包括在历史环境中顾客的网上和网下行为。个人化的基础是分类、识别形态并觉察行为的转变。不能全面地观察顾客，你就会陷入猜测--这终归不甚可靠。

    人们容易把数据量跟信息质量相混淆。但是，仅仅数据来源、流量和存量的增多并不意味着我们变得聪明了。获取知识需要一个框架，该框架反过来提供所有数据收集和随后分析行动的前提环境。没有这样的框架，即便拥有海量数据，也不会懂得它们的价值。

原文经许可摘自2001年1月30日Intelligent Enterprise杂志（www.intelligententerprise.com）中的The Model Customer一文，作者2001年登记版权。连青松译。